原创 漸進符號與基本效率類型

漸進符號與基本效率類型 效率分析框架主要是關心算法的基本操作次數的增長次數,並且將它們作爲算法效率的主要指標。這一篇文章我們使用符號對這些增長次數進行分類。 O(g(n)) 是指增長次數小於等於g(n)(以及其常數倍,n趨向於

原创 BP神經網絡的python實現

人工神經網絡 人工神經網絡是由大量的最簡單的基本元件——神經元相互連接,通過模擬人腦的大腦處理信息的方式,進行信息並行處理和非線性轉換的複雜網絡系統。其優點是多輸入多輸出實現了數據的並行處理以及自學能力。 神經網絡的拓撲結構包括網

原创 數據結構篇——圖

圖 雖然樹很靈活,並且有很多不同的應用,但是樹本身存在侷限,樹只能表示層次關係。圖是樹的推廣,在這一數據結構中不存在那麼多的限制。圖是由節點和頂點間的關係組成的集合。圖是一種多用途的數據結構,可以表示多種情況。 簡單的圖G = (

原创 LeetCode 8.字符串轉換整數

LeetCode 8.字符串轉換整數 題目描述 思路求解 沒什麼價值的一道題目 求解方法大概就是分析裏面的各種條件吧,幾個判斷就ok了 當然有大佬用了正則匹配 具體的看代碼吧 代碼實現 class Solution:

原创 LeetCode 6.Z字符變換

LeetCode 6.Z字符變換 題目描述 題目分析 對於這個題目,我們不必先急着寫代碼,先仔細分析一下這個Z字符 Z字符可以分解成一個又一個的“Z”,但是這並不利於我們求解,仔細分析我們可以將Z字符再拆分,定義單位結構如下所示

原创 深度優先查找與廣度優先查找

深度優先查找和廣度優先查找的查找與遍歷圖的兩種非常重要的算法,它們也可以看作是減治技術的應用。 爲方便部分讀者對本節內容的掌握,我們先和大家一起學習和熟悉一些圖問題中的概念。 圖 嚴格來說一個圖G=<V,E>有兩個集合來定義。一個

原创 keras基本訓練及注意事項

keras訓練步驟 from keras.layers import Dense #導入層 from keras.models import Sequential model = Sequential() model.ad

原创 Pytorch基本訓練

1、dataframe轉化成numpy數組 data = np.array(df.iloc[:100, :]) 2、numpy數據格式轉化 由於torch進行訓練時需要數據類型爲torch.float32,所以需要對numpy進

原创 LeetCode 檢查樹的平衡性

class Solution { public: bool isBalanced(TreeNode* root) { //遞歸檢查樹的平衡性 if(!root) return true;

原创 20200414

Today, 還好! 距離上次寫博客記錄一下自己的心情已經過去兩週了,時間過得好快啊! 回顧一下這兩週,感覺過的還不算太頹廢 現在跑步時間改變了,每天晚上跑步,回來洗澡,很舒服 終於刷完了深度學習的卷積神經網絡部分,目前不打算再

原创 20200331

Today, a terrible day! 今天真的是糟糕的一天。 早晨起得很早,跑了步,感覺渾身充滿了活力。 恰逢一天沒課,便做了一個今日計劃,大概是下面這個樣子的 8:00 - 11:00 學習最優化,寫完習題 11:0

原创 pandas索引、數據修改和繪圖

1、修改pandas數據 #示例 : 對df的vine這一列數據進行操作,將value值爲N的轉化成0,其餘的轉化成1 df["vine"] = df["vine"].apply(lambda x : 0 if x == "N"

原创 keras中model.fit輸出問題

model.fit()進行訓練時,每次輸出都很亂,兩個loss兩個accuracy。 但是修改了verbose的值之後只打印一行好看一點。 問題原因:model.fit()在默認情況下verbose = 1,所以每次epoch都

原创 LeetCode 24.兩兩交換鏈表中的節點

LeetCode 24.兩兩交換鏈表中的節點 題目描述 思路求解 這個題目看起來沒有什麼困難的(實際上也沒有什麼困難的2333),但是有一點也需要注意一下吧 在進行節點交換的過程中,注意不要僅交換其中的兩個節點,還有考慮前面的節

原创 LeetCode 169.求衆數

LeetCode 169.求衆數 題目描述 思路求解 1、第一種思路很簡單,直接對數組中的元素進行排序。因爲衆數的個數超過了半數,所以我們取排好序的數組的中間的元素一定是衆數 2、第二種思路是將數組中的元素進行一一抵消,懵逼沒關